ndice

Introduccin
EL UNIVERSO Y LA MUESTRA EN LA INVESTIGACIN

En la mayora de las situaciones de investigacin no es posible estudiar todos los

elementos o sujetos a los cuales se refiere el problema, sino que se trabaja con un

grupo de ellos para luego generalizar los resultados a la totalidad, en un proceso

que se conoce como inferencia estadstica. Para poder hacer esta inferencia es

necesario que la cantidad de sujetos y la forma como son seleccionados, sean

adecuadas. A continuacin, se desarrollan algunos aspectos bsicos para facilitar

a los alumnos de Investigacin en Salud, el manejo apropiado de esta importante

fase de la investigacin.

A. DEFINICIN DE TRMINOS

Dos conceptos que interesa definir son los de poblacin y muestra. Poblacin (o

universo) es cualquier coleccin finita o infinita de elementos o sujetos (poblacin

de pacientes que acuden al Hospital Central Antonio Mara Pineda, poblacin de

habitantes del rea de influencia del ambulatorio urbano tipo III Cabudare,

poblacin de familias de una comunidad, poblacin de viviendas en el municipio

Iribarren). Algunos autores establecen diferencias entre los trminos universo y

poblacin, indicando con el primero un conjunto de personas, seres u objetos y

con el segundo, un conjunto de nmeros obtenidos midiendo o contando cierta

caracterstica de los mismos, de all que un universo puede contener varias

poblaciones. Por ejemplo, del universo de pacientes del Hospital Central Antonio

Mara Pineda, una poblacin estara dada por el conjunto de las edades de esas
personas, sus tallas, sus pesos, etc. Cuando no haya posibilidad de confusin, se

usa el trmino poblacin como sinnimo de universo, siendo ese el criterio que se

usar en esta lectura.

Se habla de que una poblacin es finita cuando consta de un nmero limitado de

elementos, ejemplo: todos los habitantes de una comunidad. Una poblacin es

infinita cuando no se pueden contabilizar todos sus elementos pues existen en

nmero ilimitado, como, por ejemplo, la poblacin de insectos en el mundo.

Una muestra es un subconjunto de la poblacin, que se obtiene para averiguar las

propiedades o caractersticas de esta ltima, por lo que interesa que sea un reflejo

de la poblacin, que sea representativa de ella, concepto al que volveremos ms

adelante.

La muestra es un subgrupo de la poblacin de inters sobre el cual se recolectarn datos,

y que tiene que definirse o delimitarse de antemano con precisin,
ste deber ser representativo de dicha poblacin. (1)

1. CARACTERSTICAS DE UNA BUENA MUESTRA

Una muestra debe ser adecuada en cantidad y en calidad. En relacin con el

primer aspecto, existen procedimientos estadsticos para saber cul es el nmero

mnimo de elementos que debemos incluir en el estudio para obtener resultados

vlidos. La calidad involucra el concepto de representatividad de la muestra. Se

dice que una muestra es representativa de la poblacin cuando es un reflejo de

ella, es decir cuando rene las caractersticas principales de la poblacin en

relacin con la variable en estudio.

1() SAMPIERI HERNNDEZ Roberto, Metodologa de la Investigacin, Quinta Edicin, Mc Graw Hill, Mxico, 2010,
(p.173)
Si deseamos determinar cul es la prevalencia de desnutricin en la poblacin

infantil de Barquisimeto y estudiamos una muestra de nios obtenida de la zona

este de la ciudad (donde se encuentra la mayora de las urbanizaciones de clase

media y alta), esa no sera una muestra representativa para dicha investigacin y

la prevalencia de desnutricin que obtendramos subestimara la cifra real para la

ciudad. Si nuestro objetivo es determinar la duracin promedio de la

hospitalizacin de los pacientes del Hospital Central Antonio Mara Pineda, para

lograr una muestra representativa deberamos incluir pacientes de los

departamentos de Medicina, Ciruga, Obstetricia y Pediatra, dado que la estancia

hospitalaria difiere entre ellos. Si estudiamos una gran proporcin de pacientes de

obstetricia, estaramos subestimando la duracin de la estancia hospitalaria en

dicho centro asistencial. La representatividad de la muestra es pues un aspecto de

gran importancia en la investigacin y para lograrla es necesario seleccionar el

tipo y clase de muestreo que garantice esta condicin y trabajar con un tamao de

muestra adecuado.

B. Universo Y Poblacin

Para muchos investigadores l termino universo y poblacin son sinnima. En

general, el universo es la totalidad de elementos o caractersticas que conforman

el mbito de un estudio o investigacin.

 2. POBLACIN.

En estadstica el concepto de poblacin va ms all de lo que comnmente se

conoce como tal. En trminos estadsticos, poblacin es un conjunto finito o infinito

de personas, animales o cosas que presentan caractersticas comunes, sobre los

cuales se quiere efectuar un estudio determinado. En otras palabras, la poblacin

se define como la totalidad de los valores posibles (mediciones o conteos) de una

caracterstica particular de un grupo especificado de personas, animales o cosas

que se desean estudiar en un momento determinado. Una poblacin es un

conjunto de todos los elementos que estamos estudiando, acerca de los cuales

intentamos sacar conclusiones. Levin & Rubin (1996).

Una poblacin es un conjunto de elementos que presentan una caracterstica

comn. Cadenas (1974).

Una Poblacin es la totalidad de elementos o individuos

que tienen ciertas caractersticas similares
y sobre las cuales se desea hacer inferencia (2)

El tamao que tiene una poblacin es un factor de suma importancia en el proceso

de investigacin estadstica y en nuestro caso social, y este tamao vienen dado

por el nmero de elementos que constituyen la poblacin, segn el nmero de

elementos la poblacin puede ser finita o infinita. Cuando el nmero de elementos

que integra la poblacin es muy grande, se puede considerar a esta como una

poblacin infinita, por ejemplo; el conjunto de todos los nmeros positivos.

2 BERNAL, CSAR A. Metodologa de la investigacin. Tercera edicin PEARSON
EDUCACIN, Colombia, 2010, (p.160)
Una poblacin finita es aquella que est formada por un limitado nmero de

elementos, por ejemplo; el nmero de habitantes de una comarca.

Cuando la poblacin es muy grande, es obvio que la observacin y/o medicin de

todos los elementos se multiplica la complejidad, en cuanto al trabajo, tiempo y

costos necesarios para hacerlo. Para solucionar este inconveniente se utiliza una

muestra estadstica.

2.1 Tipo de Poblacin

Puesto que el fin que perseguimos al hacer una investigacin basada en el estudio

de una muestra, es inferir los resultados a la poblacin que nos interesa, es

recomendable distinguir entre dos tipos de poblacin: la poblacin objetivo y la

poblacin muestreada.

La poblacin objetivo es aquella sobre la cual el investigador desea establecer una

conclusin, por ejemplo, si deseamos determinar la frecuencia de hipertensin

arterial en la poblacin adulta de Barquisimeto, la poblacin objetivo est

representada por todas las personas adultas que residen en esta ciudad.

La poblacin muestreada es aquella a partir de la cual se extrajo la muestra y

sobre la que puede establecerse la conclusin. Para el ejemplo anterior,

supngase que se decidi extraer la muestra de personas adultas de la ciudad

entre los asistentes a los establecimientos de salud del sector pblico

(ambulatorios y hospitales de Barquisimeto); en este caso la poblacin

muestreada est constituida por todos los usuarios adultos de estos

establecimientos de salud. Los mtodos de la inferencia estadstica permiten al

investigador sacar conclusiones sobre la poblacin muestreada, no sobre la

poblacin objetivo, por lo que es conveniente que ambas coincidan, sin embargo,

en ocasiones esto no es factible y la poblacin muestreada es ms restringida que

la objetivo, en cuyo caso es necesario que el investigador est consciente de lo

expuesto anteriormente.

C. MUESTRA.

Un subconjunto cualquiera de la poblacin. Para que la muestra nos sirva para

extraer conclusiones sobre la poblacin deber ser representativa, lo que se

consigue seleccionando sus elementos al azar, lo que da lugar a una muestra

aleatoria. Es una parte o porcin extrada de un conjunto por mtodos que

permiten considerarla como representativa del mismo. Entonces, una muestra no

es ms que una parte de la poblacin que sirve para representarla. La muestra

debe obtenerse de la poblacin que se desea estudiar; una muestra debe ser

definida sobre la base de la poblacin determinada, y las conclusiones que se

obtengan de dicha muestra slo podrn referirse a la poblacin en referencia. Se

conoce como muestreo el proceso de obtencin de la muestra. Puede ser

probabilstico y no probabilstico.

Existen varias clasificaciones para los mtodos de muestreo. Segn Weiers (1986),
las ms usadas son: diseos probabilsticos y no probabilsticos,
y diseos por atributos y por variables.
El primero de stos es el ms usual (3)

3 BERNAL Csar A., op.cit, pg. 162

 1. Tipo de Muestra

1.1 Muestreo probabilstico

Hablaremos de muestro probabilstico siempre que se cumplan dos condiciones:

Todos los elementos de mi poblacin tienen una probabilidad mayor de cero

de ser seleccionados en la muestra.

Conozco de forma precisa dicha probabilidad para cada elemento, lo que se

conoce como probabilidad de inclusin.

El cumplimiento de ambos criterios es el que hace posible obtener resultados no

sesgados cuando estudio la muestra. En ocasiones, estos resultados no sesgados

requieren usar tcnicas de ponderacin (weighting), pero esta ponderacin es

posible precisamente porque conozco qu probabilidad tengo de que cada

individuo sea seleccionado en mi muestra. Las muestras generadas en estas

condiciones se conocen tambin como muestras probabilsticas.

Muestra probabilstica son Subgrupo de la poblacin en el que todos

los elementos de sta tienen la misma posibilidad de ser elegidos. (4)

La definicin anterior nos lleva a concluir que slo podemos hacer muestreo

probabilstico si dispongo de un marco muestral. El censo de un pas, el conjunto

de direcciones de hogares en una poblacin o la lista de clientes de una empresa,

son ejemplos de marcos muestrales que hacen posible un muestreo probabilstico.

4 SAMPIERI HERNNDEZ Roberto, Op.cit, pag.176

En cada uno de estos casos, el universo a estudiar es diferente: habitantes de un

pas, hogares de una poblacin y clientes de una empresa, respectivamente.

Una vez tengo un marco muestral, la forma exacta que empleo para seleccionar

mi muestra define las diferentes tcnicas de muestreo probabilstico: Muestreo

aleatorio simple, muestreo sistemtico, muestreo estratificado, muestreo por

conglomerados, muestreo desproporcionad.

1.1.1. Estratificada: Muestreo aleatorio estratificado (MAE):

Descripcin: consiste en dividir el conjunto N de elementos de la poblacin en

varios subconjuntos o estratos, de tal forma que cada estrato formado sea

internamente homogneo, es decir, que sus integrantes se parezcan mucho entre

s en lo que se refiere la variable a estudiar, mientras que los estratos difieren unos

de otros. Una vez formados los estratos, se escogen aleatoriamente los elementos

a estudiar en cada uno de ellos.

Ejemplo: si deseamos conocer la opinin de los alumnos de Investigacin en

Salud acerca de la dinmica empleada en las clases, cada seccin sera un

estrato puesto que los docentes emplean diferentes dinmicas. Dentro de cada

seccin la variable opinin acerca de la dinmica empleada se supone

homognea, pero entre las distintas secciones (estratos) posiblemente hay

diferencias. De igual forma, para conocer el promedio de estancia hospitalaria en

el Hospital Antonio Mara Pineda, cada departamento sera un estrato, con un

tiempo de hospitalizacin parecido entre sus pacientes pero que difiere

grandemente del de los pacientes de otros departamentos (los pacientes de

obstetricia son parturientas que duran pocos das hospitalizadas, a diferencia de

los pacientes de ciruga quienes tienen que guardar postoperatorio).

El nmero de elementos a seleccionar en cada estrato puede establecerse de dos

formas: una vez calculado el total de sujetos a estudiar (tamao de la muestra), se

divide este total entre el nmero de estratos, estudindose igual cantidad de

sujetos en cada uno de ellos (asignacin uniforme). Tambin puede repartirse este

total de la muestra de manera proporcional al tamao de los estratos, de esa

forma los estratos ms grandes tendrn una muestra ms grande (asignacin

proporcional).

1.1.2. Muestreo Aleatorio Simple

Muestreo aleatorio simple (MAS) En investigacin,

el muestreo aleatorio simple se utiliza cuando en el conjunto de una poblacin,

cualquiera de los sujetos tiene la variable o variables objeto de la medicin. (5)

El muestreo aleatorio simple puede ser de dos tipos:

Sin reposicin de los elementos: cada elemento extrado se descarta

para la subsiguiente extraccin. Por ejemplo, si se extrae una muestra de

una "poblacin" de bombillas para estimar la vida media de las bombillas

que la integran, no ser posible medir ms que una vez la bombilla

seleccionada.
Con reposicin de los elementos: las observaciones se realizan con

reemplazamiento de los individuos, de forma que la poblacin es idntica

5 BERNAL Csar A., op.cit, pg. 164

 en todas las extracciones. En poblaciones muy grandes, la probabilidad de

repetir una extraccin es tan pequea que el muestreo puede considerarse

sin reposicin, aunque, realmente, no lo sea.

Para realizar este tipo de muestreo, y en determinadas situaciones, es muy til la

extraccin de nmeros aleatorios mediante ordenadores, calculadoras o tablas

construidas al efecto.

1.1.3. Muestreo Sistemtico

Se utiliza cuando el universo o poblacin es de gran tamao, o ha de extenderse

en el tiempo. Primero hay que identificar las unidades y relacionarlas con el

calendario (cuando proceda). Luego hay que calcular una constante, que se

denomina coeficiente de elevacin K= N/n; donde N es el tamao del universo y n

el tamao de la muestra. Determinar en qu fecha se producir la primera

extraccin, para ello hay que elegir al azar un nmero entre 1 y K; de ah en

adelante tomar uno de cada K a intervalos regulares. Ocasionalmente, es

conveniente tener en cuenta la periodicidad del fenmeno.

1.1.4. Muestreo Estratificado

Consiste en la divisin previa de la poblacin de estudio en grupos o clases que se

suponen homogneos respecto a caracterstica a estudiar. A cada uno de estos

estratos se le asignara una cuota que determinara el nmero de miembros del

mismo que compondrn la muestra.

Segn la cantidad de elementos de la muestra que se han de elegir de cada uno

de los estratos, existen dos tcnicas de muestreo estratificado:

Asignacin proporcional: el tamao de cada estrato en la muestra es

proporcional a su tamao en la poblacin.

Asignacin ptima: la muestra recoger ms individuos de aquellos estratos que

tengan ms variabilidad. Para ello es necesario un conocimiento previo de la

poblacin.

Por ejemplo, para un estudio de opinin, puede resultar interesante estudiar por

separado las opiniones de hombres y mujeres pues se estima que, dentro de cada

uno de estos grupos, puede haber cierta homogeneidad. As, si la poblacin est

compuesta de un 55% de mujeres y un 45% de hombres, se tomara una muestra

que contenga tambin esa misma proporcin.

1.1.5 Muestreo Por Estadios Mltiples

Esta tcnica es la nica opcin cuando no se dispone de lista completa de la

poblacin de referencia o bien cuando por medio de la tcnica de muestreo simple

o estratificado se obtiene una muestra con unidades distribuidas de tal forma que

resultan de difcil acceso. En el muestreo a estadios mltiples se subdivide la

poblacin en varios niveles ordenados que se extraen sucesivamente por medio

de un procedimiento de embudo. El muestreo se desarrolla en varias fases o

extracciones sucesivas para cada nivel.

Por ejemplo, si tenemos que construir una muestra de profesores de primaria en

un pas determinado, stos pueden subdividirse en unidades primarias

representadas por circunscripciones didcticas y unidades secundarias que seran

los propios profesores. En primer lugar, extraemos una muestra de las unidades
primarias (para lo cual debemos tener la lista completa de estas unidades) y en

segundo lugar extraemos aleatoriamente una muestra de unidades secundarias de

cada una de las primarias seleccionadas en la primera extraccin.

1.1.6. Muestreo Por Conglomerados

Tcnica similar al muestreo por estadios mltiples, se utiliza cuando la poblacin

se encuentra dividida, de manera natural, en grupos que se supone que contienen

toda la variabilidad de la poblacin, es decir, la representan fielmente respecto a la

caracterstica a elegir, pueden seleccionarse slo algunos de estos grupos o

conglomerados para la realizacin del estudio.

Dentro de los grupos seleccionados se ubicarn las unidades elementales, por

ejemplo, las personas a encuestar, y podra aplicrsele el instrumento de medicin

a todas las unidades, es decir, los miembros del grupo, o slo se le podra aplicar

a algunos de ellos, seleccionados al azar. Este mtodo tiene la ventaja de

simplificar la recogida de informacin muestral.

Cuando, dentro de cada conglomerado, se extraen los individuos que formarn

parte de la muestra por ms., el muestreo se llama bietpico.

Las ideas de estratificacin y conglomerados son opuestas. El primer mtodo

funciona mejor cuanto ms homognea es la poblacin respecto del estrato,

aunque ms diferentes son stos entre s. En el segundo, ocurre lo contrario. Los

conglomerados deben presentar toda la variabilidad, aunque deben ser muy

parecidos entre s
1.2 Muestreo No Probabilstico

Sin embargo, no es sencillo cumplir con los requisitos impuestos por el muestreo

probabilstico:

Disponer de un marco muestral es algo relativamente poco habitual en

estudios de mercado.
Lograr que todos los individuos de la poblacin tengan una probabilidad no

nula de ser seleccionados es un requisito igualmente exigente, ms an

conocer la probabilidad de inclusin exacta de cada unidad muestral. Todos

los individuos que no pueden ser seleccionados en una muestra se suelen

referir como unidades fuera de cobertura.

Muestra no probabilstica o dirigida son Subgrupo de la poblacin en la que la eleccin

de los elementos no depende de la probabilidad sino de las caractersticas de la investigacin . (6)

Por todas estas razones, as como por razones de coste, los investigadores

recurren con frecuencia a otras tcnicas de muestreo, agrupadas dentro de lo que

se conoce como muestreo no probabilstico. En estas tcnicas alternativas, es

habitual seleccionar elementos para la muestra basndose en hiptesis relativas a

la poblacin de inters, lo que se conoce como criterios de seleccin. Por ejemplo,

seleccionar una muestra buscando individuos por la calle, tratando de que la mitad

sean hombres y la mitad mujeres (coincidiendo con la distribucin que se supone

en la poblacin) sera un criterio de muestreo no probabilstico.

6 SAMPIERI HERNNDEZ Roberto, Op.cit, pag.176

En estos casos, debido a que la seleccin de las unidades de la muestra no es

aleatoria, cuando hablamos de muestreo no probabilstico no deberamos hablar

de estimaciones de error. Dicho de otra forma, una muestra no probabilstica nos

informa de cmo es un universo, pero no nos permite saber con qu precisin: no

podemos establecer unos mrgenes de error y unos niveles de confianza.

Algunas tcnicas de muestreo de este tipo son: el muestreo por conveniencia,

muestreo secuencial, muestreo por cuotas, muestreo discrecional y muestreo por

bola de nieve.

1.2.1 Muestreo Por Cuotas:

Tambin denominado en ocasiones "accidental". Se asienta generalmente sobre la

base de un buen conocimiento de los estratos de la poblacin y/o de los individuos

ms "representativos" o "adecuados" para los fines de la investigacin. Mantiene,

por tanto, semejanzas con el muestreo aleatorio estratificado, pero no tiene el

carcter de aleatoriedad de aqul.

En este tipo de muestreo se fijan unas "cuotas" que consisten en un nmero de

individuos que renen unas determinadas condiciones, por ejemplo: 20 individuos

de 25 a 40 aos, de sexo femenino y residentes en Gijn. Una vez determinada la

cuota se eligen los primeros que se encuentren que cumplan esas caractersticas.

Este mtodo se utiliza mucho en las encuestas de opinin.

1.2.2 Muestreo Intencional O De Conveniencia:

Este tipo de muestreo se caracteriza por un esfuerzo deliberado de obtener

muestras "representativas" mediante la inclusin en la muestra de grupos

supuestamente tpicos. Es muy frecuente su utilizacin en sondeos preelectorales

de zonas que en anteriores votaciones han marcado tendencias de voto.

Tambin puede ser que el investigador seleccione directa e intencionadamente los

individuos de la poblacin. El caso ms frecuente de este procedimiento el utilizar

como muestra los individuos a los que se tiene fcil acceso (los profesores de

universidad emplean con mucha frecuencia a sus propios alumnos).

1.2.3 Bola De Nieve:

Se localiza a algunos individuos, los cuales conducen a otros, y estos a otros, y

as hasta conseguir una muestra suficiente. Este tipo se emplea muy

frecuentemente cuando se hacen estudios con poblaciones "marginales",

delincuentes, sectas, determinados tipos de enfermos, etc.

1.2.4. Muestreo Discrecional

A criterio del investigador los elementos son elegidos sobre lo que l cree que

pueden aportar al estudio

Conclusin
 Bibliografa

SAMPIERI HERNNDEZ Roberto, Metodologa de la Investigacin, Quinta

Edicin, Mc Graw Hill, Mxico, 2010, 736 pg.

BERNAL, CSAR A. Metodologa de la investigacin. Tercera edicin PEARSON

EDUCACIN, Colombia, 2010,
320 pg.